基于R2′和基于R2*的 χ分离方法的比较:多发性硬化症患者的临床评估

科学领域:

• 神经成像是一种神经成像.
• 磁共振成像 (MRI) 是一种磁共振成像技术.
• 量化敏感性映射 量化敏感性映射

背景情况:

• 灵敏度源分离 (χ-分离) 估计大脑的二磁性 (χ_dia) 和二磁性 (χ_para) 灵敏度使用R2'地图.
• 基于R2*的新方法只使用多回声梯度回声 (ME-GRE) 数据来实现 χ 分离,减少扫描时间并提高临床效用.
• 在基于R2*的方法中省略R2信息的影响需要评估.

研究的目的:

• 评估两种基于R2*的χ分离方法 (基于模型的R2*-χ分离和基于深度学习的χ-sepnet-R2*) 的可行性,作为其基于R2'的对应方法的替代方案.
• 用定性和定量分析对多发性硬化症 (MS) 患者的表现进行比较.

主要方法:

• 两种基于R2*的χ分离方法 (R2*-χ分离和χ-sepnet-R2*) 与它们基于R2′的对应方法 (χ分离和χ-sepnet-R2') 相比较.
• 在MS患者中,通过神经放射学家的定性视觉评估和定量分析 (ROI,线性回归) 来评估表现.
• 比较的重点是二磁性 (χ_dia) 和二磁性 (χ_para) 敏感度值和敏感度偏差.

主要成果:

• 在质量上, χ-sepnet-R2* 与 χ-sepnet-R2' 紧密结合,而 R2*-χ-分离显示的损伤对比度不那么明显.
• 定量分析显示,在全脑和MS病变区域,基于R2*和R2'-的方法之间存在强烈的相关性 (r ≥0.88).
• 与R2*-χ分离相比, χ-sepnet-R2*表现出更好的线性和可以忽略不计的偏移,而R2*-χ分离表现出更大的偏移,可能表明髓或铁的错误阳性.

结论:

• 这两种基于R2*的 χ分离方法都是基于R2'-的方法的可行替代方案,可缩短扫描时间.
• χ-sepnet-R2*提供了与其基于R2'-的对应物和最小的敏感性抵消的优越对齐,使其成为一个有前途的工具.
• R2*-χ-分离的较大偏移需要谨慎,因为它们可能导致MS病变中髓或铁含量的误解.